【直播】前Twitter硅谷资深工程师解读Yolo2和Yolo9000目标检测系统（附直播微信群）

学术青年分享会预告

  活动信息

本期主题：解读Yolo2和Yolo9000目标检测系统

分享人：王东，Matroid Inc. 软件架构师，提供基于Tensorflow的图像和视频的分析以及识别服务，曾就职于硅谷大企Twitter、Databricks及Houzz

时间：8 月 9 日（周三）21:00

地点：AI 研习社微信群

  观看直播

长按或扫描下方二维码，进入 AI 研习社（okweiwu）微信交流群，明天（周三）晚上9点活动准时开始！

  内容提纲

• Yolo是Joseph Redmon和Ali Farhadi等于2015年提出的第一个基于单个神经网络的目标检测系统。在今年CVPR上，他们发表的Yolo2进一步提高了检测的精度和速度。

• Yolo2的网络结构。重点分析如何产生目标边框和分类，以及相关的损失函数。训练Yolo2的第一步是在imagenet上预先学习darknet-19，在224x224图像上，它仅需5.58B浮点运算。Yolo2在VOC2007，VOC2012和COCO检测数据集上有很好的表现。

• 在Yolo2的基础上，两位进一步提出了Yolo9000，可以产生9418个类别的目标检测。首先需是建立一个基于wordNet结构的wordTree。这个树包含imagenet上最常用的9000个分类，还有coco的80个大类。Yolo9000的最后一层采用层次分类的方法，来计算400多个条件概率，用它来产生目标的最终分类。

• 介绍Yolo9000在imagenet检测数据上的表现。

关注 AI 研习社（okweiwu），回复 1 领取

【超过 1000G 神经网络／AI／大数据、教程、论文！】

后台回复 “我要进群” 加入 AI 技术讨论群

雾霾太重？深度神经网络教你如何图像去雾！

▼▼▼